DeepSeek辅助BOPPPS教学法在本科重症医学科见习教学中的应用

doi:10.3877/cma.j.issn.1674-6880.2025.06.007

表1 核心内容与DeepSeek在重症医学科不同教学阶段的应用

教学阶段	核心内容与DeepSeek应用
①导言	通过DeepSeek从真实的临床数据库中获取生命体征数据、实验室检查、影像学检查等，生成患者病情的动态演进情况。在虚拟的患者监护仪界面上，实时显示各个参数变化，学生能一目了然地看到参数变化情况。通过交互式问答的形式，营造一种沉浸式学习的氛围，提升学生学习动力
②目标	根据医学教育教学目标，DeepSeek自动生成认知、技能、情感三维教学目标。从认知方面，DeepSeek帮助学生了解重症肺炎的诊断标准；从技能方面，DeepSeek展示SOFA评分要点，让学生学会正确评估患者器官功能障碍的程度，掌握治疗原则；从情感方面，DeepSeek帮助学生学习与危重患者家属沟通的语言表达、情绪安抚等。DeepSeek还会根据前测结果动态调整难度，推送相关指南及文献供课后学习
③前测	采用多模态评估系统。在虚拟查体阶段，DeepSeek通过Leap Motion传感器和鼠标移动范围来捕捉学生的手部动作，判断学生查体规范性；在临床决策测试阶段，随机生成多种临床情况，要求学生在规定时间内做出决定，并生成知识盲区报告，具体指出学生在哪些知识点上存在问题
④参与式学习	实行"虚实结合"双轨教学。虚拟训练时，学生能在"治疗沙盒"内操作，系统实时仿真反馈血氧饱和度变化趋势。床旁实践时，学生凭借DeepSeek给出的建议比较真实病例决策差异，并用心撰写反思报告，剖析这种区别产生的原因，以进一步加深临床思维锻炼
⑤后测	系统借助动态分支病例模拟真实临床决策过程，设置多个关键节点，学生根据病例情况做出决策之后，系统就会显现不同的病情转归情况，再利用热点图来分析整个班级的决策趋向和薄弱之处，助力教学反馈更加精确
⑥总结	理论方面，DeepSeek会生成结构化的知识图谱，推送标准化教学视频，教导学生正确操作，借助NLP技术剖析学生的医患交流记录，从语言表达、情感传递等层面改进学生的交流技巧，给出相应的改良建议

表1 核心内容与DeepSeek在重症医学科不同教学阶段的应用

教学阶段	核心内容与DeepSeek应用
①导言	通过DeepSeek从真实的临床数据库中获取生命体征数据、实验室检查、影像学检查等，生成患者病情的动态演进情况。在虚拟的患者监护仪界面上，实时显示各个参数变化，学生能一目了然地看到参数变化情况。通过交互式问答的形式，营造一种沉浸式学习的氛围，提升学生学习动力
②目标	根据医学教育教学目标，DeepSeek自动生成认知、技能、情感三维教学目标。从认知方面，DeepSeek帮助学生了解重症肺炎的诊断标准；从技能方面，DeepSeek展示SOFA评分要点，让学生学会正确评估患者器官功能障碍的程度，掌握治疗原则；从情感方面，DeepSeek帮助学生学习与危重患者家属沟通的语言表达、情绪安抚等。DeepSeek还会根据前测结果动态调整难度，推送相关指南及文献供课后学习
③前测	采用多模态评估系统。在虚拟查体阶段，DeepSeek通过Leap Motion传感器和鼠标移动范围来捕捉学生的手部动作，判断学生查体规范性；在临床决策测试阶段，随机生成多种临床情况，要求学生在规定时间内做出决定，并生成知识盲区报告，具体指出学生在哪些知识点上存在问题
④参与式学习	实行"虚实结合"双轨教学。虚拟训练时，学生能在"治疗沙盒"内操作，系统实时仿真反馈血氧饱和度变化趋势。床旁实践时，学生凭借DeepSeek给出的建议比较真实病例决策差异，并用心撰写反思报告，剖析这种区别产生的原因，以进一步加深临床思维锻炼
⑤后测	系统借助动态分支病例模拟真实临床决策过程，设置多个关键节点，学生根据病例情况做出决策之后，系统就会显现不同的病情转归情况，再利用热点图来分析整个班级的决策趋向和薄弱之处，助力教学反馈更加精确
⑥总结	理论方面，DeepSeek会生成结构化的知识图谱，推送标准化教学视频，教导学生正确操作，借助NLP技术剖析学生的医患交流记录，从语言表达、情感传递等层面改进学生的交流技巧，给出相应的改良建议

表2 重症医学科本科见习生理论及临床技能考核成绩比较（分，

± s）

组别	例数	理论成绩			临床技能操作
组别	例数	ARDS诊断标准	机械通气原理	MODS病理机制	病例分析	呼吸机参数设置	急救操作	医患沟通
试验组	60	94 ± 4	91 ± 5	92 ± 5	89 ± 6	92 ± 5	88 ± 6	89 ± 6
对照组	60	85 ± 7	84 ± 7	85 ± 7	82 ± 7	84 ± 7	80 ± 8	85 ± 8
t值		8.127	6.542	7.316	6.891	8.403	5.972	3.845
P值		<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001

表2 重症医学科本科见习生理论及临床技能考核成绩比较（分，

± s）

组别	例数	理论成绩			临床技能操作
组别	例数	ARDS诊断标准	机械通气原理	MODS病理机制	病例分析	呼吸机参数设置	急救操作	医患沟通
试验组	60	94 ± 4	91 ± 5	92 ± 5	89 ± 6	92 ± 5	88 ± 6	89 ± 6
对照组	60	85 ± 7	84 ± 7	85 ± 7	82 ± 7	84 ± 7	80 ± 8	85 ± 8
t值		8.127	6.542	7.316	6.891	8.403	5.972	3.845
P值		<0.001	<0.001	<0.001	<0.001	<0.001	<0.001	<0.001

1	许庆林，董健，林洁，等.新医科背景下ICU应用型医学人才培养探索与思考[J].高教学刊，2024，10（24）：156-159.
2	王壮，倪海滨.人工智能在重症医学中的应用现状及展望[J/OL].中华危重症医学杂志（电子版），2025，18（2）：162-168.
3	杨智超，宋志，彭相虹，等.缓和医学在重症医学科课间实习医学生临床教学中的应用分析[J/OL].中华危重症医学杂志（电子版），2023，16（3）：223-226.
4	范学娟，王敏，马璐璐，等.基于DOPS的BOPPPS教学模式在急诊住院医师规范化培训教学中的应用探讨[J].中国医药科学，2025，15（3）：181-184.
5	闾海荣，江瑞，张学工，等. DeepSeek与医学大语言模型：技术创新与医疗服务模式重构[J].医学信息学杂志，2025，46（2）：1-7，13.
6	吴李鸣，张天宇，陈为.人工智能与医学教育融合发展的前沿趋势[J].全科医学临床与教育，2024，22（12）：1109-1111.
7	申正付，杨秀木，陈卫东，等.人工智能赋能医学生学习绩效的实证研究[J].蚌埠医科大学学报，2025，50（1）：63-68.
8	范定容，王倩倩，沈奥，等.从ChatGPT到Sora：人工智能在医学教育中的应用潜力与挑战[J].中国医学教育技术，2025，39（1）：33-40.
9	Darong HC, Niman EM, Menggo S, et al. Questioning practice and classroom interaction[J]. Tell: Teaching of English Language and Literature Journal, 2021, 9 (1): 10-22.
10	申正付，杨秀木，陈卫东，等.人工智能工具使用对医学生自主学习能力的影响：一般自我效能感和批判性思维能力的链式中介作用[J].蚌埠医科大学学报，2025，50（1）：52-56，62.
11	由丽婷，纳飞飞，周娟.人工智能在临床检验诊断学教育中的应用与发展[J].教育教学论坛，2025（10）：13-16.
12	徐苏益，吴俊，范建文，等. CBS-RISE模式联合情景模拟演练在门诊急救培训中的应用[J/OL].中华危重症医学杂志（电子版），2024，17（4）：323-325.
13	郭蕾蕾.生成式人工智能驱动教育变革：机制、风险及应对——以DeepSeek为例[J].重庆高教研究，2025，13（3）：38-47.
14	邵建文，刘欢，张玥，等.基于人工智能的医患沟通共情语言教学与评价系统的开发与应用研究[J].中国全科医学，2024，27（34）：4315-4321.
15	周小芹，刘慧珍，王婷，等.人工智能赋能医学领域的挑战与发展方向[J].中国胸心血管外科临床杂志，2025，32（2）：244-251.

No related articles found!

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容